摘要：本篇文章主要讲解图像仿射变换和图像透视变换，通过 Python 调用 OpenCV 函数实现。
本文分享自华为云社区《[Python 图像处理] 十二。图像几何变换之图像仿射变换、图像透视变换和图像校正》，作者： eastmount 。
一。图像仿射变换 图像仿射变换又称为图像仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。通常图像的旋转加上拉升就是图像仿射变换，仿射变换需要一个 M 矩阵实现，但是由于仿射变换比较复杂，很难找到这个 M 矩阵.
OpenCV 提供了根据变换前后三个点的对应关系来自动求解 M 的函数 ——cv2.getAffineTransform (pos1,pos2)，其中 pos1 和 pos2 表示变换前后的对应位置关系，输出的结果为仿射矩阵 M，接着使用函数 cv2.warpAffine () 实现图像仿射变换。图 5-14 是仿射变换的前后效果图。
图像仿射变换的函数原型如下：
M = cv2.getAffineTransform(pos1,pos2)
- pos1 表示变换前的位置
- pos2 表示变换后的位置
cv2.warpAffine(src, M, (cols, rows))
- src 表示原始图像
- M 表示仿射变换矩阵
- (rows,cols) 表示变换后的图像大小，rows 表示行数，cols 表示列数
实现代码如下所示：
#encoding:utf-8import cv2 import numpy as np import matplotlib.pyplot as plt #读取图片 src = cv2.imread('test.bmp') #获取图像大小 rows, cols = src.shape[:2] #设置图像仿射变换矩阵 pos1 = np.float32([[50,50], [200,50], [50,200]]) pos2 = np.float32([[10,100], [200,50], [100,250]]) M = cv2.getAffineTransform(pos1, pos2) #图像仿射变换 result = cv2.warpAffine(src, M, (cols, rows)) #显示图像 cv2.imshow("original", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
复制代码输出效果图如下所示：
二。图像透视变换
图像透视变换（Perspective Transformation）的本质是将图像投影到一个新的视平面，同理 OpenCV 通过函数 cv2.getPerspectiveTransform (pos1,pos2) 构造矩阵 M，其中 pos1 和 pos2 分别表示变换前后的 4 个点对应位置。得到 M 后在通过函数 cv2.warpPerspective (src,M,(cols,rows)) 进行透视变换。
图像透视变换的函数原型如下：
M = cv2.getPerspectiveTransform(pos1, pos2)
- pos1 表示透视变换前的 4 个点对应位置
- pos2 表示透视变换后的 4 个点对应位置
cv2.warpPerspective(src,M,(cols,rows))
- src 表示原始图像
- M 表示透视变换矩阵
- (rows,cols) 表示变换后的图像大小，rows 表示行数，cols 表示列数
代码如下：
#encoding:utf-8import cv2 import numpy as np import matplotlib.pyplot as plt #读取图片 src = cv2.imread('test01.jpg') #获取图像大小 rows, cols = src.shape[:2] #设置图像透视变换矩阵 pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]]) pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]]) M = cv2.getPerspectiveTransform(pos1, pos2) #图像透视变换 result = cv2.warpPerspective(src, M, (190, 272)) #显示图像 cv2.imshow("original", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
复制代码输出结果如下图所示：
三。基于图像透视变换的图像校正
下面参考 t6_17 大神 的文章，通过图像透视变换实现图像校正功能。
假设现在存在一张 A4 纸图像，现在需要通过调用图像透视变换校正图像。
代码如下所示：
#encoding:utf-8import cv2 import numpy as np import matplotlib.pyplot as plt #读取图片 src = cv2.imread('test01.jpg') #获取图像大小 rows, cols = src.shape[:2] #将源图像高斯模糊 img = cv2.GaussianBlur(src, (3,3), 0) #进行灰度化处理 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #边缘检测（检测出图像的边缘信息） edges = cv2.Canny(gray,50,250,apertureSize = 3) cv2.imwrite("canny.jpg", edges) #通过霍夫变换得到A4纸边缘 lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=90,maxLineGap=10) #下面输出的四个点分别为四个顶点 for x1,y1,x2,y2 in lines[0]: print(x1,y1),(x2,y2) for x1,y1,x2,y2 in lines[1]: print(x1,y1),(x2,y2) #绘制边缘 for x1,y1,x2,y2 in lines[0]: cv2.line(gray, (x1,y1), (x2,y2), (0,0,255), 1) #根据四个顶点设置图像透视变换矩阵 pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]]) pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]]) M = cv2.getPerspectiveTransform(pos1, pos2) #图像透视变换 result = cv2.warpPerspective(src, M, (190, 272)) #显示图像 cv2.imshow("original", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
复制代码运行结果如下图所示：
四。图像几何变换总结
最后补充图像几何代码所有变换，希望读者能体会下相关的代码，并动手实践下。输出结果以女神为例：
完整代码如下：
/3 
